人工智能时代的到来令人兴奋，与互联网时代相比有些不同，在互联网时代，任何一家公司只要推出任何新技术或新产品，就会立即升值，而人工智能时代似乎更具选择性。

英伟达公司在5月22日这一周的营收比其预期高出3亿美元以上，该公司市值迅速达到1万亿美元。迈威尔科技公司的表现勉强好于预期，但其股价在5月26日上涨超过20%，其原因是人工智能推动了未来的带宽需求。博通公司股价上涨近10%，其原因是，人们意识到该公司真正擅长的是超越中央处理器的以连接为中心的技术。与此同时，云存储开发商Snowflake公司等其他公司受到了打击，因为客户减少了云计算方面的支出。Snowflake公司在5月24日的的盈利也勉强超过预期，并宣称人工智能将是未来发展的风向标。

SiliconANGLE Media的联合首席执行官、科技行业分析师Dave Vellante发表的这篇文章，将分析人工智能技术和行业(特别是围绕英伟达公司)发展势头，研究芯片行业的行动。由于人工智能在很大程度上与数据有关，还将研究两个顶级数据平台Snowflake公司和Databricks公司的支出数据，以了解调查数据的含义，并研究实时数据和自动化作为经济中大规模生产力增长催化剂的未来发展。

(资料图片仅供参考)

为了做到这一点，行业媒体SiliconANGLE Media的创始人兼首席执行官John Furrier和Wikibon公司的首席技术官David Floyer组成了一个探讨小组。

英伟达公司计划如何利用人工智能拥有数据中心

Dave Vellante在两年前发布了一份研究报告阐述自己的观点，也就是英伟达公司将如何颠覆价值1万亿美元的x86市场。

这基本上是英伟达公司计划从英特尔公司占主导地位的通用数据中心市场中分得一杯羹的路线图。他对英伟达公司的发展前景持乐观态度，特别是由于该公司具有的强大的软件专业知识和端到端能力。他注意到的不只是GPU，还有数以万计的其他组件、网络、智能网络接口卡和英伟达公司正在构建的完整堆栈。

以下是这份主题为《英伟达计划如何拥有人工智能数据中心》报告的摘录：“英伟达公司希望以十分之一的成本使数据中心运行速度提高10倍，从而彻底改变企业计算。英伟达公司的首席执行官黄仁勋正在制定一项战略，以重新构建当今的内部部署数据中心、公有云和边缘计算设施，并利用该公司在人工智能架构方面的强大地位。这种端到端战略的关键包括清晰的愿景、大规模的芯片设计技能、集成内存、处理器、I/O和网络的基于Arm的新架构，以及一个引人注目的软件消费模型。”

英伟达公司的业绩被称为“盈利报告史上最好的业绩”

英伟达公司最近的业绩证明，这一愿景似乎即将实现。

John Furrier声称ChatGPT为“网络浏览器时刻”，黄仁勋称之为“iPhone时刻”。不管怎样，英伟达公司以6.7亿美元的营收超过了之前的数字，并表示下半年的产品供应将明显好转。他还提出了一个强有力的、令人信服的说法，即该公司投入的预算正在从x86转向该公司所称的加速计算。

英伟达公司的估值几乎是英特尔公司的9倍，ChatGPT一直是英伟达公司发展的巨大催化剂。以下是这个探讨小组的访谈摘要。

人工智能基础设施、半导体和数据：并行计算和云优化GPU的兴起

在谈话中，John Furrier和David Floyer谈到了科技行业正在发生的重大变化。人工智能基础设施、半导体和数据是科技行业转型的关键，主要是由并行计算和云优化GPU的采用推动的。以下是三个关键点:

随着对CPU周期的需求急剧上升，并行计算已经变得至关重要。这种转变导致了更简单、更高效的处理器技术的增加，将英伟达等公司推向了以GPU为主导的架构的最前沿。

特斯拉公司和苹果公司等科技巨头也在并行计算领域大举投资，重点是神经网络。这些公司正在从根本上重新设计硬件架构，以适应CPU需求的激增。

英特尔公司曾是CPU领域的霸主，但未能跟上这种模式转变的步伐。Floyer表示，该公司作为领导者的未来发展岌岌可危。

此外，还有更多的并行计算在起作用。半导体行业的其他方面也在发生重大变化：

Floyer指出，英伟达公司从一开始就在GPU方面处于有利地位，并利用了最初的加密技术热潮。人工智能趋势一直很顺利，现在已将重点转向人工智能。随着加密市场的降温，人们的注意力已经转移到云优化的GPU和人工智能上，Furrier认为这是下一代超大规模技术。

一场激烈的市场竞争即将来临。虽然英特尔公司可能会通过其“至强”CPU产品线和传统的原始设备制造商保持其在服务器技术领域的主导地位，但新兴市场正朝着芯片级连接和云优化芯片的方向发展。

人工智能的作用不仅限于聊天机器人(例如ChatGPT)，通常被掩盖的物理层被认为是下一个主要发展浪潮。它类似于开放系统互连或OSI模型，其中首先处理物理层，然后处理其他层。

英伟达公司的首席执行官黄仁勋认为，数据中心的未来在于成为一个“人工智能工厂”，这标志着其支出预算向人工智能驱动或加速计算的巨大转变。这句话是一个强有力的营销隐喻，它将成为英伟达公司利用这一转变的战略定位。

总之，人工智能基础设施、半导体和数据的结合将推动下一波技术进步。能够成功驾驭这一浪潮的企业可能会塑造该行业的未来。行业参与者之间的竞争将愈演愈烈，这将成为一个至关重要的行业领域。

AIalpha公司的工程师对GPU短缺的总结

在与theCUBE的一位社区成员的交谈中，AIalpha公司深度人工智能专家分享了他的看法。

他在谈到如何看待GPU供应时说，“开发人工智能的企业喜欢采用英伟达公司的产品。但如果黄仁勋真的想让人工智能民主化，就需要降低GPU价格。我们需要更多的竞争。我们会看到AMD公司推出的GPU，将使用英特尔GPU，尽管它们的性能并不理想，但我们需要其他来源的GPU。”

在英伟达公司占据主导地位之后，将会有很多竞争

因此在这一背景下，了解一下英伟达公司和其他公司的一些芯片竞争可能会受到人工智能的推动。英伟达公司正在颠覆英特尔公司的市场地位，这是显而易见的，Arm公司也是如此。超微设备公司正与这两家公司正面竞争，AMD公司在重回市场前列地位方面做得非常出色。所有的云计算厂商都在开发自己的芯片，IBM公司也是如此。博通公司正在争夺商用芯片市场的份额，并专注于包括智能网卡在内的周边组件，迈威尔科技公司则专注于连接。

苹果公司、特斯拉公司和Meta公司等其他一些科技公司也在开展半导体业务。中国的一些科技公司正在致力于设计和制造芯片，以实现自主独立。因此，在这个市场上，英伟达公司远非孤军作战，但该公司拥有巨大的领先优势。

以下是两位分析师对英伟达公司在人工智能领域的成功、神经网络的重要性、超大规模计算机的作用以及地缘政治担忧的谈话摘要。

首先，John Furrier和David Floyer讨论了英伟达公司在人工智能业务中的领先地位，这主要归功于其GPU技术和创新的CUDA软件。他们相信英伟达公司将继续创新，开发更多的神经网络。苹果公司和特斯拉公司都以在神经网络上的大量投资而闻名，苹果公司主导着消费者计算，特斯拉公司专注于自动驾驶汽车的智能工作。这次谈话引出了人工智能的更广泛的图景，他们认为人工智能是走向自动化的推动力。

其次，超大规模企业也加入进来，亚马逊网络服务公司、谷歌司、微软公司和阿里巴巴集团都在开发自己的人工智能产品和芯片。报告还指出，中国在这个市场的影响力正在提升。亚马逊公司在芯片领域拥有丰富的经验，在人工智能领域有着悠久的历史，被认为是潜在的领导者。AWS的生成式人工智能方法和积极的信息传递被视为其定位的关键。

此外，其讨论的话题转向了AWS公司收购Annapurna Labs的例子。AWS公司对英特尔公司的性能和价格都不满意，因此开始与Annapurna公司合作，并最终收购了该公司。AWS公司计划使用Annapurna在内部设计基于Arm的芯片。John Furrier和David Floyer推测，AWS公司是否可以采取类似的方式与英伟达公司竞争，可能会通过收购人工智能初创公司来创新其产品。但亚马逊公司首席执行官Andy Jassy所说的“体验没有压缩算法”的名言有利于英伟达公司。

以下是一些值得注意的要点：

在GPU技术和CUDA软件的推动下，英伟达公司被视为人工智能市场的主导力量。苹果公司和特斯拉公司在神经网络方面的大量投资预计将继续影响人工智能硬件设计。AWS、谷歌、微软和阿里巴巴等超大规模企业是主要参与者，它们都在设计自己的芯片或人工智能产品。AWS公司收购Annapurna Labs证明了超大规模企业通过内部设计降低成本和提高性能的潜力。AWS公司或其他超大规模企业可能会收购初创企业或在内部进行创新，以与英伟达公司竞争，但在可预见的未来，它们将依赖英伟达公司。地缘政治方面的担忧，有关地缘政治的担忧被视为需要警惕的潜在风险，因为英伟达公司和苹果等公司都暴露在风险之中。

每个计算周期的成本必须随着人工智能的增长而增加，包括能源成本。自动化是证明人工智能成本合理性的关键。

总结：英伟达公司有很多竞争对手，但他们有着巨大的领先优势，而在半导体领域，出现重大转变需要很长的周期。

Snowflake公司的业绩勉强超过预期

以下从另一个角度了解云存储技术开发商Snowflake公司的季度业绩以及该公司在人工智能行业中所处的位置。Snowflake公司的业绩勉强超过预期，因此对其发展前景非常谨慎，其理由是与过去相比，消费模式不温不火，投资者纷纷抛售该公司的股票。具有讽刺意味的是，Snowflake公司的首席财务官在电话会议期间一直饱受咳嗽的折磨。尽管出现了抛售，但该公司的发展势头仍然强劲，客户流失率很低。然而，很多客户正在通过减少保留策略来优化成本，这降低了存储成本，并加快了查询的运行速度，因此存储和计算的减少意味着收入的减少。

Snowflake公司的目标是成为数据应用领域的iPhone，或者是AppStore。该公司想成为构建数据应用程序的最佳平台，希望像全球主要云计算供应商和Databricks公司那样做得更好。该公司还收购了一些初创公司(例如Applica)，现在又收购了Neeva公司，这些公司的技术都支持Snowpark的预期成果。Snowpark是一种开发者体验，于2020年宣布使用SQL以外的接口(例如Python、Scala等)。

以下以Snowflake公司和Databricks公司为例，总结了与人工智能和自动化相关的数据基础设施的未来讨论。

Floyer认为，未来的企业架构应该以通过自动化减少劳动力为目标。要做到这一点，事务性数据和分析性数据需要统一，它们必须共享相同的数据库，以最大限度地减少时间滞后并推动实时自动化。他认为，从长远来看，像Snowflake公司这样的架构可能不支持这种模型，因为它们需要从数据源到应用程序的更直接的方法。

关于Databricks公司, John Furrier讨论了它是如何成功利用大数据浪潮的。然而他也认为，人工智能的引入将改变这种格局，带来基础设施平台的转变。他认为数据库将变得不可见，由人工智能实现自动化，数据存储将由开发人员和应用程序控制，从而导致当前脚本的完全逆转。

Floyer的回应表达了数据库在未来保持一致性的重要性，即使是以更分布式的形式。他不相信开发人员会完全接管数据管理的角色，因为数据库减轻了开发人员的许多任务。他还认为，开发人员将受益于大量的新工具，从而简化自动化的编排。

总结：数据基础设施领域将发生重大转变，转向分布式、开发人员控制的数据库，并提高自动化程度。然而，对于开发人员在数据管理方面有多大的控制权，以及数据库在多大程度上仍将是一种必要的工具，人们的看法存在分歧。潜在的主题是，变化是不可避免的，企业需要适应以保持相关性。

调查数据表明， Snowflake公司的发展势头正在放缓

下面的图表是对1700名信息技术决策者的调查，其中包括Snowflake公司的264个账户。它显示了Snowflake公司在这264个帐户中的净得分的粒度。净得分是基于企业技术研究的专有方法支出速度的指标。

图中浅绿色的条形图显示了采用Snowflake的新客户的百分比。深绿色是支出增长6%或更多的客户百分比。灰色表示持平的支出。粉红色的条形图显示支出下降了6%或更多，而鲜红色的条形图则表示支出流失。从绿色中减去红色就等于净得分。蓝线显示净得分，黄线显示数据集中提及的份额。

值得注意的是：

Snowflake公司的净得分在2022年1月的调查中达到顶峰，此后稳步下降。它继续处于高位，在数据集中处于最高水平。Snowflake公司的净得分下降，是客户群向支出持平的重大转变的结果。在Snowflake公司的财报电话会议上，该公司的首席执行官Franks lotman表示，“首席财务官正在做出决定”，这意味着财务职能对支出增长施加了上限。Snowflake公司账户的流失率非常小，支持其150%以上的净收入留存率。Snowflake和Databricks竞争定义“现代数据平台”

现在分享一个不同的观点，并将Databricks带入等式，看看它们如何与Snowflake公司相比较。这张图表比较了Snowflake(N=264)，Databricks(N=225)和Streamlit(N=111)的数据。它在Y轴上绘制净得分或消费势头，在X轴上绘制基于n的账户重叠/存在。弯曲的线条表示随着时间推移的变化。

在这些数据中有几点值得注意:

在过去两年多的时间里，Databricks在企业中的存在感显著增加，这两家公司之间的账户重叠引发了一场迫在眉睫的战斗。Snowflake公司净得分下降，已经与Databricks公司的净得分持平。尽管存在宏观压力，但这三个数据平台支出水平都高于40%，这是一个很高的指标。

以下深入探讨在这些数据点的对话中出现的关键点。

讨论开始于Furrier对Snowflake公司客户流失数据有效性的承认。尽管目前的经济逆风导致市场放缓，但它的流失率很低。所以Snowflake公司并没有失去客户，就像云计算公司那样发生重大转变。例如目前围绕人工智能的炒作，往往会导致买方市场的冻结。这导致了一种“观望”的态度，进一步减缓了人工智能行业的支出，但消费者并没有流失。

在Snowflake和Databricks这两个市场上的重要参与者之间出现了一个重要的比较。Snowflake公司强大的商业模式使其与众不同，并使其在早期阶段引领市场。然而，Databricks公司通过利用开源社区和不断增强其强大的产品提供，已经获得了实质性的吸引力。

讨论中的一个重点是围绕数据保留策略。例如，Snowflake公司为其客户端存储了大量的数据，但是也有一个问题：所有这些存储的数据都得到了有效的利用吗?这是Snowflake公司财报电话会议上的一个主要话题，而客户被迫控制成本，缩短保留时间是一种合乎逻辑的方式。

Floyer强调，数据的价值随着时间的推移而减少，这促使人们转向在处理数据之前，在数据来源附近有效地捕获和提取数据的价值。Barclays公司分析师Raimo Lenschow提出了一个被认为在财报电话会议上最突出的问题：存储时间缩短的趋势是否会持续下去?这是否会导致未来数据存储需求的增长发生变化?

预期数据捕获和利用效率的提高将导致更大比例的数据是短暂的。

然而，由于新行业和新用例的出现以及人工智能的影响，生成的数据量如此之大，将继续呈指数级增长。

Furrier引入了“超大数据规模”的概念。它们可能是类似于超大规模云计算提供商的实体，但专注于为基础人工智能模型存储大量数据。

这与数据存储和使用模型的持续发展相一致，基础人工智能模型推动了这一变化。

与Snowflake公司和Databricks公司等公司目前提供的产品不同，有可能创建新形式的数据云。这将支持更多的分布式云数据架构，但需要新的数据库类型和标准。

对话最后重点讨论了历史数据对人工智能的价值，特别是对模式识别和训练人工智能模型的价值。有人猜测将会出现一种新的数据基础设施模型，在这种模型中，重点将不再是存储，而是实时使用和特定领域的数据。这可能会显著改变未来数据处理的格局。

总结：目前Snowflake公司和Databricks公司的吸引力都很显著。两家公司都有强大的管理和看似忠诚的客户群，它们都可能有效地利用人工智能。这个市场足够大，足以让它们在中短期内蓬勃发展，而围绕实时数据和人工智能推理的长期趋势将会给现状带来挑战。

分析师为此讨论了流失率、实时数据、更多的数据是否会变得短暂，以及这是否会对存储增长产生负面影响。

面向企业的优步：数据应用的未来

应用程序的世界正在转向数据应用程序。如今的数据孤岛很大程度上是数据嵌入到自动化流程的应用程序中的一个功能。相信业务逻辑将越来越多地融入到数据中，应用程序将使用这种新模式构建。

现在经常使用的例子是优步公司，该公司创建了业务的数字孪生。人员、地点和事物作为独立的数据元素被数字化，但这些数据“产品”是可发现的、可管理的、具有连贯性的。语义层使这些数据元素能够被系统和彼此完全连接和理解。

以优步公司为例：乘客和司机根据需求和供应，与目的地、预计到达时间和价格相关的数据联系在一起。这是实时完成的，不会在可用性、延迟和一致性之间产生重大权衡。相信这些类型的应用需要围绕数据架构、标准和平台进行新的思考。但更重要的是，它们将推动企业自动化和生产力达到新的水平。

以下是三位分析师用优步的例子和对生产力的影响进行的总结：

优步公司的人均收入：优步公司成功地利用来自汽车、司机、街道和路况的数据来优化其业务，从而使每位员工的收入大幅增加。从2021年到2022年，优步公司员工的年收入从60万美元增长到97.1万美元，远远超过了传统软件公司员工22.5万至25万美元的年收入。自动化和人工智能对企业的影响：优步公司的自动化模式代表了一个未来趋势：企业必须广泛自动化，并利用人工智能来保持偿付能力。在十年内不采用这种模式的企业可能会面临新兴初创公司更有效地使用人工智能工具和实时数据带来的巨大风险。埃隆·马斯克对行业生产力的影响：埃隆·马斯克以其创新的生产力方法对汽车和航天等行业产生了重大影响。马斯克表示，通过生产“软件汽车”而不是硬件汽车，以及Space X的类似创新，要想生存和发展，企业必须适应新技术和新工作流程。实时数据采集是关键：对决策最有价值的数据是实时数据。优步等公司擅长根据即时数据做出实时决策。人工智能现有企业vs.新进入者：戴尔技术公司、IBM、惠普企业、Oracle、ServiceNow和Salesforce等公司将投资和利用人工智能。然而，有一种观点认为，一种类似于关键字搜索的新模式可能会出现，并成为行业中的一大热门。这种模式最初被忽视，但最终会占据主导地位。

预测向简化的转变：这个探讨小组预测，技术的持续转变代表了一种新的范式。这种转变很可能会催生新的创业公司，就像互联网的出现一样。相信下一波浪潮将集中于简化事物和减少完成任务所需的步骤。随着互联网的兴起，那些能够在这个新生市场中开展业务并提升其价值的企业将获得最大的价值。大型企业也将参与其中，并从这种转变中获得自己的价值和市场份额。

与前几代公司不同，特别是在美国东海岸主营小型计算机业务公司(Apollo、DEC、DG,Prime、Wang)的消亡中，如今的领导者对颠覆性技术更加偏执，但也存在一些盲点，而且传统企业往往过于专注于保护自己的特许经营权，从而导致增长放缓和缺乏创新。人工智能技术既为现有企业提供了将自动化引入现有平台的机会，也为颠覆者提供了为行业带来新模式的机会。

互联网通常被视为基于比特和基于原子的业务之间的双重机遇，而人工智能有所不同，它有可能变得更加普及。

标签：